Использовать Holt-Winters или ARIMA?

Мой вопрос касается концептуальной разницы между Holt-Winters и ARIMA.

Насколько я понимаю, Holt-Winters - это особый случай ARIMA. Но когда один алгоритм предпочтительнее другого? Возможно, Холт-Винтерс является инкрементным и поэтому служит встроенным (более быстрым) алгоритмом?

Ждем некоторого понимания здесь.

Как Брайан говорит в своем ответе: не существует простого правила относительно того, что лучше. Например, Управление национальной статистики Великобритании переключилось с HW на ARIMA и написало на нем документ, и хотя они решили переключить его, вероятно, из-за мощного программного пакета X12 (теперь X13), который основан на ARIMA и очень мощный, а не сама техника.

Кроме того, вы должны сравнить решения State Space (Kalman Filter), которые являются еще более общими. R's arima, например, использует решение State Space под капотом.

У Холт-Уинтерса есть три параметра, так что это просто, но они в основном сглаживают факторы, поэтому они мало о чем говорят, если вы их знаете. У ARIMA больше параметров, и некоторые из них имеют некоторое интуитивное значение, но все же мало что вам говорят. Пространство состояний может быть сложным, но вы также можете явно моделировать вещи для большей объяснительной силы. На мой взгляд, так или иначе.

Я видел, как люди с разными наборами данных сравнивали результаты обоих алгоритмов и получали разные результаты. В некоторых случаях алгоритм Холта-Винтерса дает лучшие результаты, чем ARIMA, а в других случаях он работает наоборот. Я не думаю, что вы найдете явный ответ о том, когда использовать один над другим.

Из того, что я видел, ARIMA позволяет вам добавлять независимые регрессоры, тогда как Holt Winters не предоставляет такую ​​роскошь